3.獲得新的營銷情報。機器學習分析工具可快速處理大量文檔以分析客戶行為。一家重要的雜志發(fā)行商可以將文本挖掘應(yīng)用到數(shù)以萬計的文章中，并通過主要分論題的流行度來分析每個單獨的出版物情況。然后，他們將分析擴展到所有內(nèi)容屬性，以查看哪些整體主題受到客戶的主要關(guān)注。該分析將所有出版物的數(shù)十萬條內(nèi)容進行分析，并以分段形式交叉引用熱門主題的結(jié)果。其結(jié)果是豐富的內(nèi)容，哪些話題對不同的顧客最感興趣，哪些營銷信息與他們產(chǎn)生了最強烈的共鳴。
在電子數(shù)據(jù)展示中，數(shù)據(jù)科學家使用關(guān)鍵字搜索非結(jié)構(gòu)化數(shù)據(jù)并獲得有關(guān)數(shù)據(jù)的合理構(gòu)想。
無論企業(yè)的業(yè)務(wù)具體是什么，其目標都是挖掘業(yè)務(wù)價值，無論數(shù)據(jù)是結(jié)構(gòu)化的還是非結(jié)構(gòu)化的。這兩種類型的數(shù)據(jù)都可能具有很高的價值，而較新的工具可以匯總、查詢、分析和利用所有數(shù)據(jù)類型，以便在整個企業(yè)數(shù)據(jù)范圍內(nèi)獲得更加深入的業(yè)務(wù)洞察力。